阅读量:0
一、哈希表剖析
1、哈希表底层：通过对C++的学习，我们知道STL中哈希表底层是用的链地址法封装的开散列。
2、哈希表作用：存储数据的容器，插入、删除、搜索的时间复杂度都是O（1），无序。
3、什么时候使用哈希表：需要频繁查找数据的场景。
4、OJ中如何使用哈希表？？？
（1）STL中的容器（适用所有场景，比如字符串相关、数据映射下标）
（2）数组模拟简易哈希表（减小时间损耗，容器的封装有一定代价）—>大多以下两种情况适用
情况1：（char）涉及到字符串中的“字符” ，hash[26]可以映射所有的字母。
情况2：（int）数据范围较小的时候
二、两数之和
解法2代码：
class Solution { public: vector<int> twoSum(vector<int>& nums, int target) { unordered_map<int,int> hash; //数值和下标的映射关系 int n=nums.size(); for(int i=0;i<n;++i) { int x=target-nums[i]; if(hash.count(x)) return {hash[x],i}; hash[nums[i]]=i; } return {-1,-1}; } };三、判定是否互为字符重排
解法2代码：
class Solution { public: bool CheckPermutation(string s1, string s2) { //小优化 if(s1.size()!=s2.size()) return false; //用哈希表 int hash[26]={0}; for(char&ch:s1) ++hash[ch-'a']; //检测第二个数组 for(char&ch:s2) if(--hash[ch-'a']<0) return false; return true; } };四、存在重复元素I
解法2代码：
class Solution { public: bool containsDuplicate(vector<int>& nums) { unordered_set<int> hash; //有负数，所以必须用库里面的哈希表 for(auto&e:nums) if(hash.count(e)) return true; else hash.insert(e); return false; } };五、存在重复元素II
解法1代码：
class Solution { public: bool containsNearbyDuplicate(vector<int>& nums, int k) { unordered_map<int,size_t> hash;//数值和下标的映射 size_t n=nums.size(); for(size_t i=0;i<n;++i) { //如果哈希表中有这个数 if(hash.count(nums[i])&&i-hash[nums[i]]<=k) return true; hash[nums[i]]=i;//存下标的映射 } return false; } };解法2代码：
class Solution { public: bool containsNearbyDuplicate(vector<int>& nums, int k) { //滑动窗口解题，让set始终保存着k个元素，如果发现了区间内有重复元素，那么就可以返回true unordered_set<int> s; size_t n=nums.size(); for(size_t i=0;i<n;++i) { if(s.count(nums[i])) return true; s.emplace(nums[i]);//不断将数字丢进去 if(i>=k) s.erase(nums[i-k]); //窗口超出区间了，就将最前面那个给删掉 } return false; } };六、存在重复元素III(经典)
解法1代码：
class Solution { public: //绝对值尽量拆解掉 //滑动窗口解决问题（控制区间） 需要支持插入、查找、删除 尽可能有序 set //k是下标的差值 t是元素的差值 bool containsNearbyAlmostDuplicate(vector<int>& nums, int k, int t) { //lower_bound 利用二分找到第一个>=num的迭代器 降序就是<= //upper_bound 利用二分找到第一个>num的迭代器 降序就是< set<long> s;//需要一个有序集合 for(size_t i=0;i<nums.size();++i) { //在下标范围为 [max(0,i−k),i] 内找到值范围在 [u−t,u+t]的数。 set<long>::iterator it=s.lower_bound((long)nums[i]-t); if(it!=s.end()&&*it<=(long)nums[i]+t) return true; s.insert(nums[i]); if(i>=k) s.erase(nums[i - k]); } return false; } };思路2：分桶（非常精巧的思路）
因为这个思路来源写得非常的详细，所以直接看就行，以往我们的分桶，更多的是针对整数的分桶，但是在该题中，扩展了存在负数的时候如何分桶，保证每个桶内的元素个数是一样的。这是一种非常巧妙的方法！！！要结合具体的实例去看！！
核心思路：保证每个桶内的绝对值相差小于t，k个桶。当我们遍历到这个数的时候，如果对应的桶的存在，就是true，如果相邻桶存在，看看差值是否符合要求。每个桶中只会有一个元素，因为有多的我们就会直接返回结果。
class Solution { public: int getid(long u,long t) { return u>=0?u/(t+1):(u+1)/(t+1)-1; } bool containsNearbyAlmostDuplicate(vector<int>& nums, int k, int t) { //桶排序 size_t n=nums.size(); //分成k个桶 每个桶的大小是t+1 (0,1,2,3) ->保证一个桶里面是符合的 unordered_map<int,int> hash; //第一个是存id 第二个是存元素 for(size_t i=0;i<n;++i) { long u=nums[i]; int id= getid(u,t); //找编号 //看看当前桶存不存在 if(hash.count(id)) return true; //看看相邻桶在不在，如果在的话 就看看差值 if( hash.count(id-1)&&u-hash[id-1]<=t ||hash.count(id+1)&&hash[id+1]-u<=t) return true; if(i>=k) hash.erase(getid(nums[i-k],t));//桶数多了，就去掉一个 hash[id]=u;//开新的桶 } return false; } };七、字母异位词分组(经典)
class Solution { public: vector<vector<string>> groupAnagrams(vector<string>& strs) { //字母异位词->排序后都是相同的 unordered_map<string,vector<string>> hash; //将异位词绑定起来 for(auto&s:strs) { string temp=s; sort(temp.begin(),temp.end()); hash[temp].emplace_back(s); } //提取出来 vector<vector<string>> ret; for(auto&[x,y]:hash) ret.emplace_back(y); //取哈希表中键值对的方法C++14支持 //for(auto&kv:hash) ret.push_back(kv.second); return ret; } };八、前K个高频单词（经典）
解法1：map+vector+稳定排序+lambda优化
map的底层是红黑树，插入的时候map<string,int> 会按照字典序排好，而我们现在要按照出现次序去排序，同时对于出现次数相同的保证字典序在前面，所以我们其中之一的策略就是vector+sort ,但是sort底层是快排，并不具备稳定性，但是库里面有一个stable_sort是稳定的排序
class Solution { public: typedef pair<string,int> PSI; vector<string> topKFrequent(vector<string>& words, int k) { map<string,int> countmap;//计数 for(auto&s:words) ++countmap[s]; //此时已经按照字典序排好了，将其拷贝到vector中 vector<PSI> nums(countmap.begin(),countmap.end()); //要用一个稳定的排序 我们排序的是比较value，所以要修改比较逻辑 stable_sort(nums.begin(),nums.end(), [](const PSI&kv1,const PSI&kv2) {return kv1.second>kv2.second;}); vector<string> ret(k); for(int i=0;i<k;++i) ret[i]=nums[i].first; return ret; } };解法2：unordered_map+vector+sort+调整比较逻辑+lambda优化
class Solution { public: typedef pair<string,int> PSI; vector<string> topKFrequent(vector<string>& words, int k) { unordered_map<string,int> countmap;//计数 for(auto&s:words) ++countmap[s]; //此时已经按照字典序排好了，将其拷贝到vector中 vector<PSI> nums(countmap.begin(),countmap.end()); //要用一个稳定的排序 我们排序的是比较value，所以要修改比较逻辑 sort(nums.begin(),nums.end(), [](const PSI&kv1,const PSI&kv2){ return kv1.second>kv2.second||(kv1.second==kv2.second&&kv1.first<kv2.first);}); vector<string> ret(k); for(int i=0;i<k;++i) ret[i]=nums[i].first; return ret; } };上面两种解法都是借助vector容器+sort去解决的。
解法3：unordered_map+priority_queue+compare类
class Solution { public: typedef pair<string,int> PSI; struct compare//要注意仿函数要+const修饰，否则可能编译不过 { bool operator()(const PSI&kv1,const PSI&kv2) const { if(kv1.second==kv2.second) return kv1.first<kv2.first; return kv1.second>kv2.second; } }; vector<string> topKFrequent(vector<string>& words, int k) { unordered_map<string,int> countmap;//计数 for(auto&s:words) ++countmap[s]; //丢到优先级队列里 priority_queue<PSI,vector<PSI>,compare> heap; for (auto& it : countmap) { heap.push(it); if (heap.size() > k) heap.pop(); } vector<string> ret(k); for(int i=k-1;i>=0;--i) { ret[i]=heap.top().first; heap.pop(); } return ret; } };解法4：unordered_map+multiset+compare类
class Solution { public: typedef pair<string,int> PSI; struct compare//要注意仿函数要+const修饰，否则可能编译不过 { bool operator()(const PSI&kv1,const PSI&kv2) const { return kv1.second>kv2.second||(kv1.second==kv2.second&&kv1.first<kv2.first); } }; vector<string> topKFrequent(vector<string>& words, int k) { unordered_map<string,int> countmap;//计数 for(auto&s:words) ++countmap[s]; multiset<PSI,compare> sortmap(countmap.begin(),countmap.end()); vector<string> ret(k); multiset<PSI,compare>::iterator it=sortmap.begin(); size_t i=0; while(k--) { ret[i++]=it->first; ++it; } return ret; } };解法5：map+multimap+compare类（能过 但这是巧合）
这题能过的原因是map实现了字典序的排序。而底层的multimap封装中对于相同的键值是优先插入到其右侧。
class Solution { public: struct compare//要注意仿函数要+const修饰，否则可能编译不过 { bool operator()(const int&k1,const int&k2) const { return k1>k2; } }; vector<string> topKFrequent(vector<string>& words, int k) { map<string,int> countmap;//计数 for(auto&s:words) ++countmap[s]; multimap<int,string,compare> sortmap; for(auto &kv:countmap) sortmap.insert(make_pair(kv.second,kv.first)); vector<string> ret(k); auto it=sortmap.begin(); size_t i=0; while(k--) { ret[i++]=it->second; ++it; } return ret; } };
